LycheeMemory V2：通过语义分段整合提升 LLM 智能体的长期记忆效率
LycheeMemory V2 是一个面向 LLM 智能体的长期记忆框架。它不再在每次交互后立即提取、总结或更新记忆，而是将多轮交流批量组织为语义片段，并把每个已完成片段编码为与上下文无关的类型化记忆记录。该方法降低了记忆构建过程中调用 LLM 的频率；语义边界检测则旨在比固定窗口更好地保留事件和时间相关证据。轻量级结构化索引支持按计划检索证据。在使用 GPT-4.1-Mini 的实验中，作者报告其在 LoCoMo 上达到 89.22%，在 LongMemEval-S 上达到 92.20%。与 A-Mem 相比，该系统在不增加查询阶段 Token 使用量的情况下，将构建 Token 分别减少了 86.0% 和 75.9%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。